高性能并行编程与优化 - 课件

每周六14点开播课程大纲课程分为前半段和后半段，前半段主要介绍现代#C++，后半段主要介绍并行编程与优化。1.课程安排与开发环境搭建：cmake与git入门2.现代C++入门：常用STL容器，RAII内存管理3.现代C++进阶：模板元编程与函数式编程4.编译器如何自动优化：从汇编角度看C++5.C++11起的多线程编程：从mutex到无锁并行6.并行编程常用框架：OpenMP与IntelTBB7.被忽视的访存优化：内存带宽与cpu缓存机制8.GPU专题：wrap调度，共享内存，barrier9.并行算法实战：reduce，scan，矩阵乘法等10.存储大规模三维数据的关键：稀疏数据结构11.物理仿真实战：邻居搜索表实现pbf流体求解12.C++在ZENO中的工程实践：从primitive说起13.结业典礼：总结所学知识与优秀作业点评

Java并发编程高阶技术-高性能并发框架源码解析与实战

名称：Java并发编程高阶技术-高性能并发框架源码解析与实战描述：全网唯一深度解析并发编程框架disruptor底层源码课程，助你成为并发编程高手，拿下高薪！链接：https://www.aliyundrive.com/s/iLDpa1wCngU大小：未统计标签：#学习#知识来自：雷锋版权：频道：@shareAliyun群组：@aliyundriveShare投稿：@aliyun_share_bot

TorchOpt：基于PyTorch构建的高性能优化器库，可轻松实现函数优化和基于梯度的元学习

：基于PyTorch构建的高性能优化器库，可轻松实现函数优化和基于梯度的元学习它包括两个主要功能：TorchOpt提供了功能优化器，可以为PyTorch启用类似JAX的可组合功能优化器。使用TorchOpt，可以轻松地在PyTorch中使用函数式优化器进行神经网络优化，类似于JAX中的Optax。借助函数式编程的设计，TorchOpt为基于梯度的元学习研究提供了高效、灵活且易于实现的可微优化器。它在很大程度上减少了实现复杂的元学习算法所需的工作量。